當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

【毕业设计】大数据 - 网络游戏数据分析可视化

發布時間：2023/12/31 编程问答 39 豆豆

生活随笔收集整理的這篇文章主要介紹了【毕业设计】大数据 - 网络游戏数据分析可视化小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

文章目錄

1. 數據集說明
2. 數據處理
3. 數據分析可視化
- 3.1 新增用戶
- 3.2 用戶活躍度
- 3.3 用戶消費情況
- 3.4 用戶游戲情況
4 最后

🧿 選題指導, 項目分享：

https://gitee.com/dancheng-senior/project-sharing-1/blob/master/%E6%AF%95%E8%AE%BE%E6%8C%87%E5%AF%BC/README.md

1. 數據集說明

這是一份手游《野蠻時代》的用戶數據，共有訓練集和測試集兩個數據文件。二者之間數據無交集，合計大小 861 M，總記錄數 3,116,941，包含字段 109 個。

2. 數據處理

數據處理：將兩個數據文件合并，只取分析要用的字段。然后把數據寫到 mysql。

只取用于分析的字段，因為字段數太多，去掉沒用的字段可以極大的節省內存和提高效率

## 合并數據文件 dir = r"C:\Users\Administrator\Desktop\AgeOfBarbarians" data_list = [] for path in os.listdir(dir):path = os.path.join(dir, path)data = pd.read_csv(path)data = data[['user_id', 'register_time', 'pvp_battle_count', 'pvp_lanch_count', 'pvp_win_count', 'pve_battle_count','pve_lanch_count', 'pve_win_count', 'avg_online_minutes', 'pay_price', 'pay_count']]data_list.append(data) data = pd.concat(data_list)## 輸出處理 # 沒有重復值 # print(data[data.duplicated()])# 沒有缺失值 # print(data.isnull().sum())## 數據保存 # 保存清洗后的數據 mysql engine = create_engine('mysql://root:root@172.16.122.25:3306/test?charset=utf8') data.to_sql('age_of_barbarians', con=engine, index=False, if_exists='append')

導進數據庫后，在修改下字段類型以解決精度問題。

alter table age_of_barbarians modify register_time timestamp(0); alter table age_of_barbarians modify avg_online_minutes float(10, 2); alter table age_of_barbarians modify pay_price float(10, 2);

3. 數據分析可視化

3.1 新增用戶

總的用戶數為 3,116,941。

總的記錄數與用戶數據一致，說明 use_id 可以作為唯一 ID。所以后續對用戶的統計，可以不用加 distinct

其中 PU 為 60,988 人，占比 1.96 %

PU ( Paying Users）：付費用戶總量

DNU 的情況如下圖，可以看到有兩個注冊高峰，應該是這款游戲做了什么活動引流產生。

DNU（Daily New Users）：每日游戲中的新登入用戶數量，即每日新用戶數。

每小時注冊的用戶情況如下，可以看到新用戶的注冊高峰是在晚間的 21 點。

3.2 用戶活躍度

從平均在線時間來看，付費用戶的平均在線時間高達 2 個小時，遠大于整體的平均在線時間。

3.3 用戶消費情況

APA（Active Payment Account）：活躍付費用戶數。

ARPU(Average Revenue Per User) ：平均每用戶收入。

ARPPU (Average Revenue Per Paying User)：平均每付費用戶收入。

PUR(Pay User Rate)：付費比率，可通過 APA/AU 計算得出。

-- APA（Active Payment Account）：活躍付費用戶數。 select count(1) as APA from age_of_barbarians where pay_price > 0 and avg_online_minutes > 0; -- 60987-- ARPU(Average Revenue Per User) ：平均每用戶收入。 select sum(pay_price)/sum(case when avg_online_minutes > 0 then 1 else 0 end) from age_of_barbarians; -- 0.582407-- ARPPU (Average Revenue Per Paying User)：平均每付費用戶收入。 select sum(pay_price)/sum(case when avg_online_minutes > 0 and pay_price > 0 then 1 else 0 end) from age_of_barbarians; -- 29.190265-- PUR(Pay User Rate)：付費比率，可通過 APA/AU 計算得出。 select sum(case when avg_online_minutes > 0 and pay_price > 0 then 1 else 0 end) / sum(case when avg_online_minutes > 0 then 1 else 0 end) from age_of_barbarians; -- 0.02-- 付費用戶人數，付費總額，付費總次數，平均每人付費，平均每人付費次數，平均每次付費 select count(1) as pu, -- 60988sum(pay_price) as sum_pay_price, -- 1780226.7avg(pay_price) as avg_pay_price, -- 29.189786sum(pay_count) as sum_pay_count, -- 193030avg(pay_count) as avg_pay_count, -- 3.165sum(pay_price) / sum(pay_count) as each_pay_price -- 9.222539 from age_of_barbarians where pay_price > 0;

從上方的統計結果可以知道，這 6 萬多的付費用戶，一共消費了 178 萬元，平均每人消費 29 元。

平均每用戶收入 0.58 元，平均每付費用戶收入 29.19 元，付費比率為 2% 。

這個付費比率應該是比較低的，可以通過一些首沖活動來提高新用戶的付費意愿。

3.4 用戶游戲情況

從勝率和場次來看，氪金確實可以讓你變強，付費用戶的平均勝率為 71.13 %，遠大于非付費用戶的 38.03 %，當然也是因為付費用戶的平均游戲場次要遠大于一般用戶，畢竟越肝越強。

從游戲類型來看，PVE 的平均勝率達到 90.1 %，說明難度還是比較低的，游戲體驗還是很好的，適合符合入門級難度設定。